By Andreas Lenz
Gliederung.- 1 Einführung.- 2 Grundlagen.- three Vorgehensmodelle und Prinzipien der Entwicklung von Expertensystemen.- four wisdom Engineering.- five Ausgewählte Implikationen eines konzeptionellen wisdom Engineering für die Gestaltung von Expertensystemen.- 6 Schlußbetrachtung und Ausblick.- Stichwortverzeichnis.
Read Online or Download Knowledge Engineering für betriebliche Expertensysteme: Erhebung, Analyse und Modellierung von Wissen PDF
Best engineering books
Reverse Engineering of Object Oriented Code (Monographs in Computer Science)
Describes tips to layout object-oriented code and accompanying algorithms that may be opposite engineered for better flexibility in destiny code upkeep and alteration.
Provides crucial object-oriented suggestions and programming equipment for software program engineers and researchers.
Symmetric multiprocessors (SMPs) dominate the high-end server industry and are at present the first candidate for developing huge scale multiprocessor platforms. but, the layout of e cient parallel algorithms for this platform c- rently poses a number of demanding situations. it's because the quick development in microprocessor pace has left major reminiscence entry because the basic hindrance to SMP functionality.
Hannes Fernow führt interdisziplinär in das Thema weather Engineering ein. Er integriert im Rahmen einer Politischen Hermeneutik wissenschaftstheoretische, technikphilosophische und umweltethische Argumente in historisch tradierte Risiko- und Naturverständnisse und zeigt, dass die Folgen von technologischen Klimaveränderungen nicht verlässlich vorhersagbar sind.
Extra info for Knowledge Engineering für betriebliche Expertensysteme: Erhebung, Analyse und Modellierung von Wissen
Example text
Tulving IEpisodic and semantic memory/ 5 Vgl. z. B. Fleischhauer, Rouette /Wissen Information Daten! 8 6 Vgl. zu dieser Auffassung Hertzberg /Künstliche Intelligenz! 30 sowie Moore, Newell /MERLIN/. Daher wird in dieser Arbeit die Bezeichnung Wissensträger ohne weiteren klärenden Zusatz verwendet, wenn sowohl Mensch als auch Maschine gemeint sind. 1 Abgrenzung des Begriffes Wissen 35 Ausgehend von der pragmatischen Wende in der Wissenschaftstheorie muß sich Wissen stets, ggf. indirekt, auf Handlungsbereiche beziehen;!
Fallspezifische Angaben Dialogkomponente I •• , 2 ::s ::r 2? 3 Abgrenzung des Untersuchungsgegenstandes 21 Inferenzkomponente auf Anwendbarkeit untersuchten Wissens. Anspruchsvolle Systeme bieten darüber hinaus auch die Möglichkeit negativer Erklärungen: Wie-nicht-Fragen zeigen mögliche Verwendungen eines Elementes der Wissensbasis an, die durch die Inferenzkomponente in einer Konsultation jedoch nicht genutzt worden sind; Warum-nicht-Fragen führen Gründe für die Nichtanwendung eines Wissenselementes oder das Nichterreichen einer bestimmten Lösung an!.
Ungelöste Probleme/ 12. 28 I Einführung einen zu einer unvollständigen oder fehlerhaften Abbildung des Aufgabensystems führen; zum anderen wird das Risiko erhöht, nicht-adäquate Formalismen der Wissensrepräsentation und Verfahren der Inferenz sowie hieraus resultierend das falsche Werkzeug auszuwählen. Analog zum konventionellen Bereich steigt der Aufwand für die Beseitigung während der Erhebung, Analyse und Modellierung gemachter Fehler in den nachfolgenden Phasen zunehmend an. 1 Aus der thematischen Orientierung an der Gestaltung betrieblicher Expertensysteme resultiert die nur partielle Berücksichtigung eines Teilgebietes der Forschung zur Künstlichen Intelligenz, das für das Knowledge Engineering zukünftig große Bedeutung erlangen kann: das maschinelle Lernen.